字符集和编码

 

C++

编译器支持

独立和托管

语言

标准库

标准库头文件

命名要求

特性测试宏 (C++20)

语言支持库

概念库 (C++20)

元编程库 (C++11)

诊断库

通用实用程序库

字符串库

容器库

迭代器库

范围库 (C++20)

算法库

数值库

本地化库

输入/输出库

文件系统库 (C++17)

正则表达式库 (C++11)

并发支持库 (C++11)

执行支持库 (C++26)

技术规范

符号索引

外部库

 

C++ 语言

一般主题
预处理器 注释	关键字 转义序列
流程控制
条件执行语句
if	switch
迭代语句（循环）
for range-for (C++11)	while do-while
跳转语句
continue - break	goto - return
函数
函数声明
lambda 函数表达式
inline 说明符
动态异常说明 (直到 C++17*)
noexcept 说明符 (C++11)
异常
throw 表达式 try 块	处理程序
命名空间
命名空间声明	命名空间别名
类型
基本类型 枚举类型 函数类型	类/结构体类型 联合类型
说明符
const/volatile decltype (C++11) auto (C++11)	constexpr (C++11) consteval (C++20) constinit (C++20)
存储时长说明符
初始化
默认初始化 值初始化 零初始化 复制初始化 直接初始化	聚合初始化 列表初始化 (C++11)   常量初始化 引用初始化

表达式
值类别 求值顺序	运算符 运算符优先级
替代表示法
字面量
布尔 - 整数 - 浮点数
字符 - 字符串 - nullptr (C++11)
用户定义 (C++11)
实用程序
属性 (C++11)
类型
typedef 声明
类型别名声明 (C++11)
强制转换
隐式转换 static_cast const_cast	显式转换 dynamic_cast reinterpret_cast
内存分配
new 表达式	delete 表达式
类
类声明 构造函数 this 指针	访问说明符 friend 说明符
特定于类的函数属性
虚函数 override 说明符 (C++11)   final 说明符 (C++11)	explicit (C++11) static
特殊成员函数
默认构造函数 复制构造函数 移动构造函数 (C++11)	复制赋值 移动赋值 (C++11) 析构函数
模板
类模板 函数模板	模板特化 参数包 (C++11)
杂项
内联汇编	C++ 历史

 

基本概念

注释

ASCII

标点符号

名称和标识符

类型

基本类型

对象

作用域

对象生命周期

存储时长和链接

定义和 ODR

名称查找

限定名称查找

非限定名称查找

as-if 规则

未定义行为

内存模型

多线程执行和数据竞争 (C++11)

字符集和编码

翻译阶段

main 函数

模块 (C++20)

 

此页面描述了 C++ 标准中指定的几种字符集。

翻译字符集 翻译字符集 包含以下元素 每个抽象字符都分配了 Unicode 代码空间中的代码点，以及 对于未分配给抽象字符的每个 Unicode 标量值，都有一个不同的字符。 翻译字符集是基本字符集和基本字面量字符集的超集（见下文）。

(自 C++23 起)

基本字符集

基本字符集 包含以下 96(直到 C++26)99(自 C++26 起) 个字符

代码单元	字符	字形
U+0009	字符制表符
U+000B	换行符
U+000C	换页符 (FF)
U+0020	空格
U+000A	换行符 (LF)	换行符
U+0021	感叹号	!
U+0022	引号	"
U+0023	井号	#
U+0025	百分号	%
U+0026	和号	&
U+0027	撇号	'
U+0028	左圆括号	(
U+0029	右圆括号	)
U+002A	星号	*
U+002B	加号	+
U+002C	逗号	,
U+002D	连字符	-
U+002E	句号	.
U+002F	斜杠	/
U+0030 .. U+0039	数字零 .. 九	0 1 2 3 4 5 6 7 8 9
U+003A	冒号	:
U+003B	分号	;
U+003C	小于号	<
U+003D	等于号	=
U+003E	大于号	>
U+003F	问号	?
U+0041 .. U+005A	拉丁大写字母 A .. Z	A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
U+005B	左方括号	[
U+005C	反斜杠	\
U+005D	右方括号	]
U+005E	插入符	^
U+005F	下划线	_
U+0061 .. U+007A	拉丁小写字母 a .. z	a b c d e f g h i j k l m n o p q r s t u v w x y z
U+007B	左花括号	{
U+007C	竖线	|
U+007D	右花括号	}
U+007E	波浪号	~

自 C++26 起，以下字符被添加到基本字符集中 代码单元 字符 字形 U+0024 美元符号 $ U+0040 at 符号 @ U+0060 重音符 `

(自 C++26 起)

基本字面量字符集

基本字面量字符集 包含基本字符集中的所有字符，以及以下控制字符

代码单元	字符
U+0000	空字符
U+0007	响铃
U+0008	退格
U+000D	回车符 (CR)

执行字符集

执行字符集和执行宽字符集是基本字面字符集的超集。执行字符集的编码以及额外的元素集（如果有）是特定于区域设置的。执行宽字符集的每个元素都必须能够表示为一个不同的 wchar_t 代码单元。

代码单元和字面编码

一个代码单元是字符类型的整数值。除多字符或不可编码字符字面量或字符串字面量之外的字符字面量中的字符，将根据编码前缀以一个或多个代码单元的序列进行编码；这被称为相应的字面编码。

字面编码或执行字符集中之一的特定于区域设置的编码，将基本字面字符集的每个元素编码为单个非负值的代码单元，该代码单元与任何其他此类元素的代码单元不同。不在基本字面字符集中的字符可以使用多个代码单元进行编码；此类代码单元的值可能与基本字面字符集元素的代码单元的值相同。执行字符集的编码可能与任何字面编码无关。

普通字面编码是应用于普通字符或字符串字面量的编码。宽字面编码是应用于宽字符或字符串字面量的编码。

U+0000 NULL 字符被编码为值 0。翻译字符集中的其他任何元素都不会被编码为值为 0 的代码单元。数字 0 (U+0030) 之后的每个十进制数字字符的代码单元值都应比前一个的值大 1。其他情况下，普通和宽字面编码由实现定义。

对于 UTF-8、UTF-16 或 UTF-32 字面量，与翻译字符集中的每个字符相对应的 UCS 标量值将根据 ISO/IEC 10646 中针对相应 UCS 编码形式的规范进行编码。

注释

通过 P2314R4，C++23 中更改了一些字符集的标准名称。

新名称(s)	旧名称(s)
基本字符集	基本源字符集
基本字面字符集	基本执行字符集 基本执行宽字符集

从源文件 (除 UTF-8 源文件之外)(自 C++23 起) 字符到 基本字符集(直到 C++23)翻译字符集(自 C++23 起) 的映射在 翻译阶段 1 中由实现定义，因此需要实现来记录基本源字符在源文件中如何表示。

缺陷报告

以下更改行为的缺陷报告已追溯应用于之前发布的 C++ 标准。

DR	应用于	已发布的行为	正确行为
CWG 788	C++98	执行字符集成员的值 由实现定义，但不是特定于区域设置的	它们是特定于区域设置的
CWG 1796	C++98	空 (宽) 字符在 基本执行 (宽) 字符集中的表示所有位都为零	仅要求值为零

另请参阅

ASCII 图表
text_encoding (C++26)	描述了用于访问 IANA 字符集注册表 的接口 (类)
C 文档 针对 字符集和编码